中国最好的开放权重AI模型在一项独立指数上得46分，美国最强模型为58分，四个来源对落后的时间估计在2到8个月之间

2026年10月8日，在Artificial Analysis的智能指数（Intelligence Index）上排名最高的中国模型是小米的MiMo-V2.6-Pro，得46分，总排名第18。Anthropic的Claude Opus 5.5以58分领先同一张榜单，OpenAI的GPT-6 Astra和谷歌的Gemini 4 Argon得53分。据Trending Topics介绍，该指数把编程、智能体、知识工作和科学方面的十项评测合成一个分数。

有四个来源尝试把这段差距换算成月数，它们的答案从2个月到8个月不等。它们用的测试不同，拿来当标尺的美国模型也不同，这是它们意见不一的主要原因。

各实验室自己公布的最新发布数据

这些都是混合专家（mixture-of-experts）模型。每个token会被分派给一小组专门的子网络，因此「激活」参数量，即每个token实际用到的那部分可调数值，远小于总量。token是一个词或词的片段。

DeepSeek V4技术报告于2026年4月26日提交到arXiv，描述的是一个预览版本。报告说，V4-Pro预训练用了33万亿token，较小的V4-Flash用了32万亿token。报告称，在100万token的上下文下，V4-Pro所需的单token计算量是DeepSeek此前V3.2的27%，所需的内存缓存是其10%。V4.1 Flash和MiMo两行的数据来自Artificial Analysis的表格和Arena的许可证标签。

Kimi K3的模型卡给出了896个专家中选16个的布局，但没有给出训练token数，也没有说明训练硬件。Qwen开放的检查点只支持文本，其模型卡说思考模式无法关闭。托管版的Qwen3.8-Max增加了图像输入，并默认支持100万token。GLM-5.3沿用了GLM-5.2的基础模型，Z.ai的模型卡说，提升来自后训练，也就是用反馈对已完成的模型做调整的阶段。

这些模型卡上的基准分数都是各实验室自己公布的。DeepSeek的模型卡给出V4-Pro-Max在编程测试SWE-bench Verified上的得分为80.6。NIST的CAISI在同一项测试上测得74，并把差异归因于系统提示词、脚手架和token预算。

外部测试者测到了什么

Artificial Analysis在其指数的4.3.2版本上，列出的开放权重得分如下：MiMo-V2.6-Pro为46，GLM-5.3为45，Kimi K3为44，GLM-5.3-Flash为42，DeepSeek V4.1 Flash为39，Qwen3.8 27B（一个270亿参数的模型）为34，MiniMax-M3为29。Trending Topics报道完整的Qwen3.8 2.4T为39.9。Artificial Analysis表格上最好的美国开放模型是Thinking Machines的Inkling，得25分，以及英伟达的Nemotron 3 Ultra，得23分。

法国Mistral的Mistral Large 4预览版得38.4分，在开放模型中将排第八，tuput在Mistral Large 4那篇文章中报道过。成本差别很大。Trending Topics给出MiMo-V2.6-Pro每个指数任务为0.13美元，GLM-5.3、Kimi K3和Qwen3.8则各约2美元。

在Arena的文本排行榜上，Kimi K3（max）排第16位，得分1488，而谷歌Gemini 4 Argon为1525（Arena将其标为初步结果），Claude Opus 5.5为1507。MiMo-V2.6-Pro排第26，GLM-5.3排第27，DeepSeek V4.1 Flash排第39。在tuput读到的Artificial Analysis开放权重表格中，没有一个由IndiaAI使命出资的印度模型。该计划的预算、GPU和获得资助的开发者，见IndiaAI使命那篇文章。

开放权重，以及许可证的要求

「开放权重」指任何人都可以下载训练好的数值，而使用条款则因实验室而异。DeepSeek和小米使用MIT许可证，几乎没有什么条件。Trending Topics报道，Artificial Analysis把GLM-5.3、Kimi K3和大号的Qwen3.8归为商业使用受限，不过tuput读到的许可证文本设定的限制要窄一些。

Kimi K3的许可证要求，经营托管模型业务、任意12个月内收入超过2000万美元的公司，必须与月之暗面另行签订协议。月活用户超过1亿，或月收入达到2000万美元的产品，必须在界面上显示「Kimi K3」。内部使用不受限。

Qwen3.8-Max的许可证有同样的显示规则，并把另行授权的门槛设为：经营托管模型或AI工作助手业务的企业，12个月内收入5000万美元。Z.ai的GLM-5.3许可证允许商业使用，只有合并收入超过100亿美元的托管模型企业才需要经过Z.ai的安全审查。

训练成本的说法，以及它们没说的

最常被引用的数字是DeepSeek-V3的557.6万美元。V3论文是这样得出的：278.8万个H800 GPU小时，按每小时2美元的假定租价计算。论文明确说，这个总数只包括正式的训练运行，不包括此前的研究和消融实验，即用来选择架构、算法和数据的小规模测试。

V4报告给出了token数，但在tuput检索的文本中，没有美元成本，也没有GPU小时总数。Kimi K3的模型卡没有给出token数，也没有给出成本。

各实验室说自己用的是哪种芯片

DeepSeek的报告说，它的融合专家通信内核在英伟达GPU和华为昇腾NPU上都得到了验证，通用推理加速1.50到1.73倍，在强化学习推演这类对延迟敏感的工作上最高加速1.96倍。报告没有说训练这个模型用的是哪种芯片。

ChinaTalk的Irene Zhang、Aqib Zakaria和Jordan Schneider在4月27日写道，V4「仍然是在英伟达芯片上训练的」，这是他们对证据的解读，不是DeepSeek的说法。同一篇文章引用了DeepSeek发布公告中的一条脚注：「由于高端算力受限，V4-Pro的服务吞吐量目前有限。」文章还补充说，DeepSeek预计，一旦华为昇腾950超节点在2026年下半年大批量出货，Pro的价格会下降。

GLM-5.3的模型卡说，通过vLLM-Ascend、xLLM和SGLang支持在昇腾上部署，没有给出训练硬件。Kimi K3的模型卡说，它的部分评测是在英伟达H20 GPU上运行的。

在美国一侧，The Next Web 8月19日援引《金融时报》报道，字节跳动和腾讯各自收到了约1万块英伟达H200芯片。北京已要求企业把它们放在大陆之外，货物经由香港运送。据The Next Web说，7月，商务部副部长杰弗里·凯斯勒（Jeffrey Kessler）向国会表示，到货的「很少」。受限服务器被转移的问题，见tuput关于司法部就运往中国的服务器提起的起诉的报道。

对差距的四种估计

DeepSeek的报告说，V4-Pro-Max在标准推理测试上胜过GPT-5.2和Gemini-3.0-Pro，但略逊于GPT-5.4和Gemini-3.1-Pro。它据此认为，自己落后前沿大约3到6个月。

NIST的人工智能标准与创新中心（CAISI）在4月测试了V4 Pro，并于5月1日发布结论：其能力落后前沿约8个月。在CAISI的九项基准上，包括两项未向公众公开的，V4 Pro的表现与约8个月前发布的GPT-5相近。在ARC-AGI-2的半私有集上，它得46%，GPT-5.5为79%。CAISI说，它给出的落后月数来自一个近似能力的统计模型，而不是直接测量。

Nathan Lambert在9月21日写道，中国的开放权重模型大约落后美国封闭前沿2到5个月，这篇文章是由为国会简报会准备的证词扩写而成。他说，美国的开放模型落后OpenAI和Anthropic 6到9个月。他估计，蒸馏，即用另一个模型的输出来训练模型，使中国的差距缩小了1到2个月。

Epoch AI的Jack Edwards和Luke Emberson在5月29日报告说，自2026年1月以来，能力最强的开放权重模型在Epoch能力指数上平均落后封闭前沿四个月，按更严格的测试则是六个月，平均差距为8个指数点。这指的是一般的开放模型，不只是中国的。Epoch补充说，开放模型在私有基准上的得分往往更差，它的估计可能低估了真实差距。